MétaCan
Menu
Retour à la cohorte
Enregistrement W4389091969 · doi:10.1002/nml.21597

Sounding the alarm: Occurrences of fraud in nonprofit community sport organizations

2023· article· en· W4389091969 sur OpenAlexaffabout
Katie Misener, Lisa A. Kihl, Pamela Wicker, Graham Cuskelly

Notice bibliographique

RevueNonprofit Management and Leadership · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)BusinessSample (material)CashAccountingPublic relationsFinancePolitical scienceGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This study examines the prevalence of fraud occurrences in community sport organizations (CSOs) and compares the organizational characteristics of CSOs that have and have not experienced fraud. The empirical analysis relies on online survey data gathered in Canada, the United States, Australia, and Germany ( n = 1256). Respondents were asked if organizational fraud had occurred in their CSO in the last ten years. In the full sample, 12.2% of organizations had experienced some type of fraud. The results showed occurrences of fraud were significantly higher among organizations that support the local community, have a high annual budget, possess grant income, and perform large and complex financial transactions and among those who lacked policies for handling assets and cash. In contrast, occurrences of fraud were significantly lower in organizations with a relatively small annual budget, a plan for the education and professional development of board members, and at least two individuals handling cash or checks. The analyses of geographic subsamples not only partially echoes the results for the full sample, but also shows further significant differences. The findings reveal that fraud occurrence across subsamples does not follow a clear pattern, demonstrating that prevention measures should be tailored based on geographic and organizational context.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,327
Score d'incertitude au seuil0,702

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,177
Tête enseignante GPT0,337
Écart entre enseignants0,160 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNonprofit Management and LeadershipMême sujetNonprofit Sector and VolunteeringTravaux en français237 207